Identificación del Área Ocupada con Cultivos de Verano

Transcripción

artigo
próximo
anterior
artigo
934
Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 321-325.
Identificación del área ocupada con cultivos de verano
utilizando imágenes de los satélites Terra-MODIS y Aqua-MODIS
Laura Olivera
José Pedro Castaño
Agustín Giménez
Instituto Nacional de investigación Agropecuaria (INIA).
Unidad de Agro-clima y Sistemas de información (GRAS).
Andes 1365, piso 12, Montevideo, Uruguay
{lolivera, jcastano, agimenez}@inia.org.uy
Abstract: The objective of this work is to explore the use of MODIS images to estimate the summer field crop
sown area in the departments of Soriano and Colonia, during the grow season 2004-2005. Two MODIS images
were processed using the “Supervised classification” method. A modeling multi temporal analysis was done,
using the Erdas Imagine software. Summer crop sown area estimated based on MODIS images was close to that
estimated with Landsat images to the same dates. Based on these results, remote sensing with MODIS images,
could be a potential useful tool for estimating cultivated areas, for mapping land use, and for monitoring land use
changes. It appears that in cropping Uruguayan conditions, MODIS images resolution could be not enough to
estimate cultivated areas for each crop species. This activity is part of the project “Desarrollo de un Sistema de
Información y Monitoreo para la Evaluación de Riesgos en la Producción Agrícola (SIMERPA) en Paraguay y
Uruguay”, funded by FONTAGRO.
Keywords: satellite images, Modis, Landsat, remote sensing, summer field crops/imagens de satellite, perceber
remoto, colheita de verão.
1. Introducción y objetivo
La Unidad de Agroclima y Sistemas de información (GRAS) del Instituto Nacional de
investigación Agropecuaria (INIA) del Uruguay, viene trabajando desde hace varios años en
el desarrollo de un sistema de información y monitoreo del estado de cultivos y pasturas
basado en registros históricos, imágenes satelitales y modelos de simulación, integrando esta
información y poniéndola a disposición de los usuarios en la Internet. A tales fines, una de las
actividades básicas es la identificación y calibración de nuevas herramientas, tales como
instrumentos de percepción remota.
El objetivo del presente trabajo es el de explorar la utilización de imágenes de los
sensores MODIS, para estimar el área ocupada por cultivos de verano (soja, maíz y girasol) en
la zafra 2004-2005 en los departamentos de Soriano y Colonia, utilizando como base
imágenes Landsat.
2. Materiales y Métodos
El análisis y la interpretación de las imágenes se realizaron con el software Erdas Imagine
versión 8.4, y la integración a un sistema de información geográfica se realizó mediante el
software ArcView 3.1.
Se utilizaron las imágenes path 224 row 84 y path 225 row 83 del Satélite Landsat TM,
para cubrir los departamentos de Soriano y Colonia, para el 17/01/05 y 20/10/04
respectivamente.
321
Se usaron 2 imágenes MODIS, que corresponden a las mismas fechas que las Landsat.
Utilizando las bandas 1 y 2 (rojo e infrarrojo cercano, 250 m) del satélite Aqua y la banda 6
(infrarrojo, 500 m) del satélite Terra.
Para obtener una imagen Modis con 3 bandas de 250 metros de tamaño de píxel, se
utilizaron las bandas 1 y 2 y a la banda 6, se le modificó el tamaño de píxel mediante el
software Erdas Imagine obteniendo una banda con un tamaño de píxel de 250 m. Mediante el
módulo “Spatial Modeler” del Erdas Imagine, se integraron estas 3 bandas, conformando una
imagen de 250 m. semejantes a las bandas utilizadas para la clasificación de las imágenes
Landsat (RGB: 435).
2.1. Clasificaciones supervisadas
Se realizaron clasificaciones supervisadas, utilizando el método de probabilidad máxima. Las
imágenes Landsat se utilizaron con una combinación de bandas RGB: 435. Se consideraron 7
clases, para la imagen de verano (girasol, maíz, soja, rastrojos y barbechos, forestaciones
naturales y artificiales, campo natural y agua) y 5 clases para la imagen de primavera (cultivos
de verano y/o pasturas, rastrojos y barbechos, forestaciones naturales y artificiales, campo
natural y agua).
De igual manera se realizaron clasificaciones supervisadas de las imágenes MODIS pero
debido al tamaño de píxel mayor, se consideraron 5 clases para ambas fechas (cultivos de
verano y/o pasturas, rastrojos y barbechos, forestaciones naturales y artificiales, campo
natural y agua).
Para realizar las clasificaciones se contó con información de campo de más de 600
chacras sembradas con cultivos de verano en la zafra 2004 – 2005, tal como ubicación
geográfica (Figura 1), especie sembrada, cultivares, tipo y fecha de siembra y superficie de
cada una.
Figura 1. Distribución de las chacras en los departamentos de Soriano y Colonia
322
3. Resultados y discusión
A modo de comparar los resultados obtenidos por la clasificación de las imágenes
Landsat y MODIS se realizó una matriz de confusión (Tabla 1), en dicha matriz se presentan
los píxeles clasificados en cada una de las clases, en la diagonal se observa la cantidad de
píxeles que coincidieron entre las dos clasificaciones.
Tabla 1. Matriz de confusión para las imágenes del 20 de octubre de 2004
Landsat
1
2
3
4
5
1
849056
48672
51376
492128 2704
2
183872 478608
48672
557024 8112
MODIS
3
197392
27040
137904
351520 8112
4
651664 300144 102752 2374112 5408
5
0
0
0
0
0
Los errores por omisión y comisión (Tabla 2) se obtienen de la matriz de confusión. Los
menores errores se observan en el campo natural o sea la mayor exactitud, esto se explica
porque el campo natural ocupa mayor área, el tamaño de la chacra es mayor por lo que existe
una mayor coincidencia de píxeles. Estos errores tan elevados son debido al pequeño tamaño
de las chacras en la zona agrícola del país, donde el tamaño promedio es de 12 ha. Las chacras
que donde se obtiene una mayor coincidencia son las de una superficie mayor a las 50 ha.
Tabla 2. Errores de comisión y omisión por clase para el 20 de octubre de 2004
Error
Clase
Descripción
Comisión Omisión
55
41
1
Cultivos
44
63
2
Barbechos
60
81
3
Forestación
37
31
4
CN
100
100
5
Agua
En la Figura 2, se observa donde hubo coincidencia y donde no entre las imágenes
Landsat y MODIS, en negro se ven los píxeles que no coincidieron entre las clasificaciones.
Si bien los errores de omisión y comisión (Tabla 2) son altos, y el índice de kappa tiene
un nivel de concordancia débil (0.3) es posible determinar áreas con mayor o menor
intensidad en el uso de la tierra, pero no para diferenciar cultivos con las imágenes MODIS.
323
Figura 2. Resultado visual de la comparación de las clasificaciones Landsat y MODIS.
Estos resultados preliminares, muestran que la utilización de la percepción remota con
imágenes MODIS, se presenta como una herramienta de potencial utilidad para estudios a
nivel regional, tales como: mapeos de uso de la tierra, gestión de recursos y monitoreo del
estado de la vegetación en áreas extensas. En las condiciones de producción de Uruguay la
resolución de las imágenes MODIS parece no ser suficiente para realizar estimaciones
precisas de áreas cultivadas con cada una de las especies de verano, tales como soja, maíz o
girasol.
4. Referencias
ERDAS Imagine. 1999. Installation Guide. ERDAS Worldwide Headquarters. Atlanta, GA.
USA. Erdas Inc. Erdas Image 8.3 User manual.
E. Nezry, E. Mougin, A. Lopes and J.P. Gastellu-Etchegorry, 1993: Tropical vegetation
mapping with combined visible and SAR spaceborne data, International Journal of Remote Sensing, v.14,
n.11, p. 2165-2184, 1993.
E. Nezry, S. Rémondière, G. Solaas and G. Genovese, 1995: Mapping of next season's crops during the winter
using ERS SAR, ESA Earth Observation Quarterly (ESA publication), n.50, p.1-5, 1995.
F. González Alonso, J. M. Cuevas, R. Arbiol, and X. Baulies, 1997. Remote sensing and agricultural statistics:
crop area estimation in north-eastern Spain through diachronic Landsat TM and ground sample data. In: int.
Journal of. remote sensing, 1997, v. 18, n. 2, p. 467 - 470.
MGAP – Dirección de Estadísticas Agropecuarias (DIEA). Censo General Agropecuario 2000. Disponible en:
<http://www.mgap.gub.uy/diea/CENSO2000/censo_general_agropecuario_2000.htm>. Acceso: noviembre
2003.
NASA. (2000b). Destination: Earth, The Official Website for NASA's Earth Science Enterprise. NASA.
Disponible en:
<http://www.earth.nasa.gov/missions/index.html>. Acceso: junio 22, 2000.
324
P.M. Teilleta,*, J.L. Barkerb, B.L. Markhamb, R.R Irishc, G. Fedosejevsa, J.C. Storeyd, 2001. Radiometric
cross-calibration of the Landsat-7 ETM+ and Landsat-5 TM sensors based on tandem data sets. Remote Sensing
of Environment v. 78 p. 39 - 54, 2001.
Spencer, C. H. (1997). The Electromagnetic Spectrum and Remote Sensing. EOM, p. 18-20, 1997
Suits, G. H. (1983). The Nature of Electromagnetic Radiation. Manual of Remote Sensing, p. 37 - 60.
Workman, J., and Springsteen, A. W. (1998). Applied Spectroscopy: A Compact reference for Practitioners.
Academic Press.
325

Identificación del Área Ocupada con Cultivos de Verano

Transcripción

Documentos relacionados

Detección de cambios en imágenes satelitales 1. Estado

Calculo de la tasa de deforestación anual en el periodo 2001

Cartografía de áreas quemadas en Sudamérica